- •Федеральное агентство по образованию
- •Содержание
- •I. Задания для выполнения контрольной работы
- •I.1. Порядок оформления контрольной работы
- •I.2. Задачи
- •Вариант 1
- •II.2. Задачи
- •1.3. Исследование рынка жилья в Московской области.
- •Анализ деятельности аудиторско - консалтинговых групп «Российский аудит».
- •Анализ деятельности предприятий одной отрасли рф - 2.
- •Анализ накладных расходов -1.
- •Анализ накладных расходов -2.
- •Исследование рынка жилья в г. Орле (районы Железнодорожный и Заводской).
- •Исследование рынка жилья в г. Орле (Советский и Северный районы).
- •III. Использование spss для выполнения лабораторной работы
- •Решение задачи в spss
- •1. Подготовка данных для использования пакета spss.
- •2. Решение задачи в spss.
- •1. Выбор факторных признаков для построения регрессионной модели на основе анализа матрицы коэффициентов корреляции.
- •2.2. Построение линейного уравнения регрессии.
- •2.3. Оценка качества модели
- •2.4. Построение прогноза
- •Литература Основная
- •Дополнительная
2. Решение задачи в spss.
1. Выбор факторных признаков для построения регрессионной модели на основе анализа матрицы коэффициентов корреляции.
Для построения матрицы парной корреляции всех переменных с помощью пакета SPSSнеобходимо выполнить следующие действия:
Выбрать в верхней строке меню Анализ – Корреляция – Парные.
Переменные, относительно которых проверяется степень корреляционной связи, поочередно переместить в поле тестируемых переменных справа (Рис.2.1-.2.2).
Начать расчет путем нажатия ОК.
Рис.2.1.
Рис. 2.1 - 2.2.Построение матрицы парной корреляции вSPSS.
В результате в выходной области появиться матрица парной корреляции всех переменных (Таблица 2.1). Полученные результаты содержат: коэффициент корреляции Пирсона, вероятность ошибки, соответствующая предположению о ненулевой корреляции, и количество использованных пар значений n=16.
Коэффициент корреляции Rмежду двумя переменными указывает на силу связи между ними и принимает значения между -1 и +1. При этом, если значение находится ближе к 1, то это означает наличие сильной связи, а если ближе к 0, то слабой.
Таблица 2.1. Корреляции
|
|
Объем реализации |
Время |
Реклама |
Цена |
Цена конкурента |
Индекс потребительских расходов |
Объем реализации |
Корреляция Пирсона |
1 |
.678(**) |
.646(**) |
.233 |
.226 |
.816(**) |
Знч.(2-сторон) |
|
.004 |
.007 |
.385 |
.399 |
.000 | |
N |
16 |
16 |
16 |
16 |
16 |
16 | |
Время |
Корреляция Пирсона |
.678(**) |
1 |
.106 |
.174 |
-.051 |
.960(**) |
Знч.(2-сторон) |
.004 |
|
.695 |
.520 |
.851 |
.000 | |
N |
16 |
16 |
16 |
16 |
16 |
16 | |
Реклама |
Корреляция Пирсона |
.646(**) |
.106 |
1 |
-.003 |
.204 |
.273 |
Знч.(2-сторон) |
.007 |
.695 |
|
.990 |
.448 |
.306 | |
N |
16 |
16 |
16 |
16 |
16 |
16 | |
Цена |
Корреляция Пирсона |
.233 |
.174 |
-.003 |
1 |
.698(**) |
.235 |
Знч.(2-сторон) |
.385 |
.520 |
.990 |
|
.003 |
.380 | |
N |
16 |
16 |
16 |
16 |
16 |
16 | |
Цена конкурента |
Корреляция Пирсона |
.226 |
-.051 |
.204 |
.698(**) |
1 |
.031 |
Знч.(2-сторон) |
.399 |
.851 |
.448 |
.003 |
|
.910 | |
N |
16 |
16 |
16 |
16 |
16 |
16 | |
Индекс потребительских расходов |
Корреляция Пирсона |
.816(**) |
.960(**) |
.273 |
.235 |
.031 |
1 |
Знч.(2-сторон) |
.000 |
.000 |
.306 |
.380 |
.910 |
| |
N |
16 |
16 |
16 |
16 |
16 |
16 |
** Корреляция значима на уровне 0.01 (2-сторон.).
Анализ матрицы коэффициентов парной корреляции показывает, что зависимая переменная, т.е. объем реализации имеет тесную связь с индексом потребительских расходов (ryx5= 0.816), с расходами на рекламу (ryx2 = 0.646) и со временем (ryx1 = 0.678). Однако факторы Х2 и Х5 тесно связаны между собой (rх 1x5 = 0.96), что свидетельствует о наличии мультиколлинеарности. Из этих двух переменных оставим в модели Х5 - индекс потребительских расходов.
На основе анализа матрицы коэффициентов парной корреляции делаем вывод о целесообразности построения двухфакторного регрессионного уравнения Y=f(X2, X5).